افزایش تفکیک پذیری و وضوح، یکی از تکنیک های بسیار کارامد در روش های پردازش تصویر دیجیتال است، که هدف آن افزایش وضوح و تفکیک پذیری تصویری با کیفیت پایین است. تصویر مرجع می تواند یک تک-تصویر، و یا مجموعه ای از تصاویر مربوط به یک صحنه باشد. در این پایان نامه به روش های تک تصویری افزایش تفکیک پذیری تصویر پرداخته می شود. روش هایی که هدفشان تغییر تعداد نمونه ها و پیکسل های تصویر باشد، روش های بازچینی تصویر نیز گفته می شود. برای بزرگ کردن، کوچک کردن، و دوران تصاویر دیجیتال روش هایی ارایه شده است، اما از آنجا روش های افزایش تفکیک پذیری، یا همان بزرگ نمایی، که موضوع این پایان نامه نیز می باشند، تعداد پیکسل ها و همچنین اطلاعات موجود در تصویر را افزایش می دهند، با مساله ای پیچیده تر، در مقایسه با دیگر مسایل بازچینی، روبرو هستند. روش های افزایش تفکیک پذیری، علاوه بر افزایش تعداد پیکسل های تصویر جهت بالا بردن تفکیک پذیری مکانی، عوامل مخرب را نیز از تصویر فیلتر می کنند. کرنل درونیابی مکعب یکی از روش های کلاسیک برای افزایش تفکیک پذیری تصویر با پیچیدگی و هزینه محاسباتی بسیار پایین است و از این رو می تواند در کاربرد های زمان واقعی مورد استفاده قرار گیرد. با این وجود، غالبا این روش اثرات نا مطلوبی در تصویر، و به ویژه در لبه ها به جای می گذارد. برای کاهش این اثرات، سه روش نوین برای افزایش تفکیک پذیری تصویر با استفاده از کرنل های وفقی و همچنین تخمین خطا، در این پایان نامه پیشنهاد می شود. روش نخست از انتشارغیر یکنواخت برای درون یابی پیکسل های خالی استفاده می کند. در این روش، برای هر پنجره در تصویر ، ماسکی از ترکیب چهار ماسک جهت دار ساخته می شود تا بتواند محتویات و لبه های آن پنجره را تشخیص دهد.پس از آن، ضرایب ماسک به عنوان ضرایب انتشار استفاده می شوند تا یکنواخت سازی با توجه به محتویات پنجره و موازی با لبه ها انجام شود. روش دوم از یک الگوریتم قهرمانی برای بهینه کردن ضریب کرنل درونیاب مکعب، "a"، برای هر پنجره، استفاده می کند تا مقدار مقیاس fm، برای ارزیابی بدون مرجع کیفیت هر پنجره از تصویر، بیشینه شود. با مقایسه این روش ها با روش شناخته شده درونیابی مکعب نشان داده می شود که الگوریتم پیشنهادی اول، به مفهوم کمی و کیفی، بهتر از روش مکعبی عمل می کند. با این وجود، نتایج روش دوم آنطور که انتظار می رود نیستند. عیب و نقاط ضعف روش دوم در پایان نامه بررسی شده است. در روش سوم الگوریتمی پیشنهاد شده تا خطای تصویر بازسازی شده تخمین زده شود و به تصویر اضافه شود تا تاثیر آن کاهش یابد. در این روش الگوریتم با کاهش نمونه های تصویر ورودی و افزایش تفکیک پذیری تصویر حاصل، الگویی از روند انتشار خطا در تصویر بازسازی شده بدست می آورد.